导读:本文包含了图像增强算法论文开题报告文献综述及选题提纲参考文献，主要关键词:图像增强,叁原色原理,伪色彩,白平衡法
图像增强算法论文文献综述
周美丽,白宗文,肖雪,王中南,梁琦[1]（2019）在《两种典型彩色图像增强算法的比较与研究》一文中研究指出图像增强的目的是改善图像的视觉效果,根据不同的应用场合,有目的地强调图像的整体或局部特性,扩大图像中不同物体特征之间的差别,满足某一领域特殊分析的需要。本文对于两种典型彩色图像增强算法即白平衡算法和伪彩色法图像增强处理技术进行了研究和实验仿真,且对仿真结果进行了研究与分析,结果表明白平衡法图像增强处理方法对于纠正彩色图像的偏色现象效果很好;伪彩色图像增强方法可以使处理后的图像特点更加突出,而且能够很好的保持与原图像的连贯性。(本文来源于《电子设计工程》期刊2019年23期）
池世奇[2]（2019）在《交通卡口低照度监控图像增强算法研究》一文中研究指出夜间光线不足,导致监控采集到的图像普遍存在亮度低、对比度低、颜色失真、细节缺失等问题。针对这些问题,文章提出了一种基于变换空间和引导滤波相结合的retinex算法,用来补偿图像的光照强度。该算法首先将图像从RGB颜色空间转化为HSI的颜色空间(H、S、I分别为色调、饱和度和亮度),用Retinex算法对I分量即对图像的亮度通道单独进行光照补偿,并保持H色调分量和S饱和度分量保持不变,将HS通道与处理后的I通道相结合成新的HSI’图像,对传统的颜色恢复函数进行了改进并使用了引导滤波,提高了计算效率,并且能达到抑制图像在增强过程中造成的暗区域过度增强的目的。(本文来源于《南方农机》期刊2019年22期）
王红茹,李瑞,王佳[3]（2019）在《基于改进CLAHE的水下彩色图像增强算法》一文中研究指出为了克服水下成像过程中,由于水体介质对光线的吸收和散射作用导致的水下图像对比度低、光照不均等问题,提出一种基于改进CLAHE的水下图像增强算法。针对CLAHE算法采用统一的裁剪幅值而导致部分子块得不到增强的问题,提出根据每个子块的像素值分布确定相应的裁剪幅值对直方图进行裁剪、分配;然后对超出裁剪幅值部分进行二次分配,并引入自适应上下限阈值,确定二次分配的动态范围,以进一步增强图像细节;最后,引入同态滤波,将灰度图像与明度分量V进行加权求和,以改善图像过亮或过暗区域。实验结果表明,改进算法可以增强对比度,改善光照不均,有效提升图像质量。(本文来源于《舰船电子工程》期刊2019年11期）
王洪栋,郭伟东,朱美强,雷萌[4]（2019）在《一种煤矿井下低照度图像增强算法》一文中研究指出针对多尺度Retinex算法在处理煤矿井下低照度图像时存在细节增强不足和耗时等问题,提出了一种基于光照校正的快速多尺度Retinex算法对煤矿井下低照度图像进行增强。该算法通过计算高斯模糊后图像的每个像素点的亮度值,将图像划分为暗调区域和高光区域,并对不同区域进行光照校正,从而降低高光区域的亮度,保证不过分曝光,同时提升较暗区域的亮度,凸显更多细节信息;利用叁次快速均值滤波代替高斯滤波来估计光照强度,减少算法耗时。实验结果表明,该算法能有效提高图像的亮度和对比度,增强图像中暗调区域和高光区域的细节,具有较快的处理速度。(本文来源于《工矿自动化》期刊2019年11期）
袁小平,张侠,张毅,崔棋纹,闫泽宇[5]（2019）在《基于频域的图像增强技术的改进算法》一文中研究指出在传输有限的情况下完成图像压缩传输,针对整体偏暗,低对比度图像增强后的主观视觉质量较差问题,提出了一种改进的基于离散余弦变换(discrete cosine transform,DCT)域块分类的图像增强算法。改进后的图像增强算法基于对图像块分类,对每个图像块判定类别,针对平滑块、纹理块、边沿块,分析图像块交界处块效应产生的原因并根据图像块背景特点,结合原CES(color image enhancement by scaling)算法并改进,对不同类型图像块采取合适的改进的图像增强算法,达到图像增强的目的,提高图像的主观视觉质量。仿真结果表明,改进的算法,以牺牲一些算法计算复杂度,针对纹理块和边沿块获得很好的图像增强效果,同时,能够最大限度地抑制块效应,大大地提高了图片的视觉效果。(本文来源于《科学技术与工程》期刊2019年31期）
李志龙[6]（2019）在《HSV色彩空间下叁边滤波的Retinex图像增强算法》一文中研究指出图像增强技术能够从低分辨率及对比度的图像中将原本图像中的信息进行恢复,为了能够提高低动态范围图像视觉效果,改善图像清晰化程度,所以本文就提出了基于HSV色彩空间的叁遍滤波Retinex图像增强算法。首先对图像增强算法及Retinex图像增强算法的理论进行分析,然后对算法进行实验,实验结果表示,将此算法到图像增强处理中使用,处理之后的图像不仅能够保持色彩,还能够突出细节信息,从而促进对各种环境中图像的深入理解和使用。(本文来源于《信息技术与信息化》期刊2019年10期）
姜庆伟,苏兴龙[7]（2019）在《一种基于模糊理论的阴霾天气图像增强改进算法》一文中研究指出针对阴霾天气下所捕捉的图像模糊不清、对比度下降的现状,在传统Pal模糊增强算法本身存在的固有部分灰度丢失的情况下,提出了一种可根据不同阴霾天气图像,灵活选取合理渡越点的快速模糊增强算法。采用的新隶属度函数将加快算法速度,通过灵活的阈值设置,使改进算法具有更好的增强效果。(本文来源于《计算机与数字工程》期刊2019年10期）
张天祥,刘瑞强,周冲,刘艳莉,张艳花[8]（2019）在《各向异性模型图像增强算法的FPGA高速实现》一文中研究指出针对Perona-Malik模型图像增强算法运行在计算机CPU上无法满足算法的实时性要求的问题,基于FPGA设计了一种改进型Perona-Malik模型图像增强算法的硬件加速结构.该硬件加速结构采用行缓存实现对部分图像的缓存操作;同时通过提取出参数查找表的方式,并使用梯度的计算结果为索引,降低了硬件结构的复杂度;计算过程中采用补码和定点小数,保证了计算结果的准确性;此外采用3级流水线处理方式,增加了该硬件结构的吞吐量.实验结果表明:8次迭代处理后,在与软件处理效果相近的情况下,一帧256×256图像处理时延约为0.67 ms,满足实时处理的需求,是计算机CPU实现速度的近300倍.(本文来源于《测试技术学报》期刊2019年05期）
马志元[9]（2019）在《插值算法在医学影像图像增强中的设计实现》一文中研究指出讨论了医学影像图像处理中插值运算的数学模型,运用MATLAB平台对最邻近点插值、双线性插值和双叁次插值等叁种模型对医学影像图像增强的实现,从算法流程和程序设计方面进行了仿真研究,探讨了双叁次插值克服了最邻近点插值、双线性插值等两种算法的缺陷,提高计算精度,但运算量大.双线性插值法使图像更光滑,但轮廓模糊.最邻近点插值法使插值生成的医学影像图像灰度值不连续,仿真结果表明分析的正确性.(本文来源于《甘肃高师学报》期刊2019年05期）
刘莉,钱雪飞,曹盟盟[10]（2019）在《基于图像融合的红外图像增强算法研究》一文中研究指出红外成像系统较强的环境适应能力和隐蔽性等优势使其在军事和工业领域中日益重要。针对红外图像边缘模糊,对比度较低,噪声较大等特点,本文提出了一种基于图像融合的红外图像增强算法。该算法采用双边滤波算法对图像进行分层,采用灰度变换和非线性变换对图像高低频信息进行处理,最后通过融合高低频图像信息,进而实现红外图像目标的增强。实验结果表明,该算法能够有效增强红外目标,提升图像视觉效果,应用前景广阔。(本文来源于《山西电子技术》期刊2019年05期）
图像增强算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
夜间光线不足,导致监控采集到的图像普遍存在亮度低、对比度低、颜色失真、细节缺失等问题。针对这些问题,文章提出了一种基于变换空间和引导滤波相结合的retinex算法,用来补偿图像的光照强度。该算法首先将图像从RGB颜色空间转化为HSI的颜色空间(H、S、I分别为色调、饱和度和亮度),用Retinex算法对I分量即对图像的亮度通道单独进行光照补偿,并保持H色调分量和S饱和度分量保持不变,将HS通道与处理后的I通道相结合成新的HSI’图像,对传统的颜色恢复函数进行了改进并使用了引导滤波,提高了计算效率,并且能达到抑制图像在增强过程中造成的暗区域过度增强的目的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像增强算法论文参考文献
[1].周美丽,白宗文,肖雪,王中南,梁琦.两种典型彩色图像增强算法的比较与研究[J].电子设计工程.2019
[2].池世奇.交通卡口低照度监控图像增强算法研究[J].南方农机.2019
[3].王红茹,李瑞,王佳.基于改进CLAHE的水下彩色图像增强算法[J].舰船电子工程.2019
[4].王洪栋,郭伟东,朱美强,雷萌.一种煤矿井下低照度图像增强算法[J].工矿自动化.2019
[5].袁小平,张侠,张毅,崔棋纹,闫泽宇.基于频域的图像增强技术的改进算法[J].科学技术与工程.2019
[6].李志龙.HSV色彩空间下叁边滤波的Retinex图像增强算法[J].信息技术与信息化.2019
[7].姜庆伟,苏兴龙.一种基于模糊理论的阴霾天气图像增强改进算法[J].计算机与数字工程.2019
[8].张天祥,刘瑞强,周冲,刘艳莉,张艳花.各向异性模型图像增强算法的FPGA高速实现[J].测试技术学报.2019
[9].马志元.插值算法在医学影像图像增强中的设计实现[J].甘肃高师学报.2019
[10].刘莉,钱雪飞,曹盟盟.基于图像融合的红外图像增强算法研究[J].山西电子技术.2019